基于生成对抗网络的PPG-ECG信号转换方法

心电（Electrocardiogram， ECG）信号的长期检测与评估对心血管疾病的诊断和预防至关重要。心电信号的检测通常需要在患者身上安装电极，易使受试者产生不适感，适用范围有限。相对而言，使用光电容积描记法（Photoplethysmography， PPG）检测得到的脉搏波（Pulse wave）信号不仅包含丰富的心血管生理和病理信息，而且易于测量。考虑到PPG与ECG信号间存在固有的映射关系，本文基于生成对抗网络（Generative adversarial network， GAN）提出了一种将PPG转换为ECG信号的模型。该模型生成器由Unet模型组成，并且在特征图融合方面参考了Unet++的结构，而其判别器由卷积神经网络组成。在训练过程中，采用梯度惩罚方式增加了生成模型的稳定性。基于公用数据集进行了实验，通过对比53名受试者样本的处理结果，新模型所生成ECG信号的均方根误差（Root mean square error， RMSE）、Pearson相关系数（ρ）和Fréchet距离（Fréchet distance， FD）三个指标分别提升了3.4%、5.5%和0.4%，证明新模型具有更好的PPG-ECG转换效果。